Introducción a la programación

Estructuras de control

• Las estructuras de control establecen condicionales en nuestros programas. Por ejemplo, ¿qué condiciones deben cumplirse para realizar una operación? o ¿qué debe ocurrir para ejecutar una función?.

• En otras palabras, determinan la lógica y el orden en el que ocurren las operaciones, en especial al definir funciones.

• Las estructuras de control más usadas en R son las siguientes:

Condicionales if y else

• La función if (si) se usa cuando queremos que una operación se ejecute unicamente cuando se cumple una condición.

Ejemplo condicionales if y else

• Para declarar un condicional si, iniciamos nuestra función con if():

if()

• Dentro del paréntesis () insertamos la condición que queremos evaluar:

if(numero > 10)

• Usamos {} para definir el código que queremos que se ejecute cuando se cumple la condición:

if(numero > 10){
  resultado <- "El número es mayor que 10"
}

Ejemplo condicionales if y else

• Podemos usar la función else{} para establecer la acción a ejecutar si no se cumple la condición:

if(numero > 10){
  resultado <- "El número es mayor que 10"
} else {
  resultado <- "El número es menor que 10"
}

• La identación es importante así como el uso correcto de {}.

• Finalmente, si nos interesa que se muestre en la pantalla el resultado usamos la función print() o return().

• Para usar nuestro condicionale debemos definir los argumentos de entrada (numero).

Ejemplo: condicionales if y else

numero <- 4

if(numero > 10){
  resultado <- "El número es mayor que 10"
} else {
  resultado <- "El número es menor que 10"
}
print(resultado)

Ejercicio

• Escribe una función que tenga como argumento de entrada una edad (número) y su resultado nos muestre en la pantalla si se trata de un niño o un adulto. Usa los condicionales if y else.
  • Supon que la edad adulta se adquiere cuando la persona tiene una edad >= a 18 años.

Uso de vectores en condicionales

• Nota que el argumento de entrada solo es un número entero. ¿Qué sucede si tratamos de ejecutar el condicional sobre un vector?

numero <- c(5, 15, 21, 67, 40, 98)
probar_edad(numero)

• En R podemos vectorizar el condicional usando la función ifelse().

• En lugar de escribir una línea de código para cada comparación, podemos usar una sola llamada a esta función, que se aplicará a cada elemento de un vector.

• Esta función tiene la siguiente estructura:

ifelse(vector_entrada, valor_SI_TRUE, valor_SI_FALSE)

• En nuestro ejemplo sobre las edades:

numero <- c(5, 15, 21, 67, 40, 98)
ifelse( numero >= 18, "Adulto", "Niño")

Ejemplo: Función ifelse()

• Podemos usar la función ifelse() para saber si los número en un vector son pares o nones:

num <- 1:10 

ifelse(num %% 2 == 0, "Par", "Non")

• Esta función puede ser muy útil para recodificar datos:

num <- c(0, 1 , 1, 0 , 0 ,1, 0)
genero <- ifelse(num == 0, "Hombre", "Mujer")
genero

num2 <- c("Hombre", "Mujer", "Mujer", "Hombre")
genero2 <- ifelse(num2 == "Hombre", 0 , 1)
genero2

Bucles en R

• En R, los bucles (loop) son estructuras de control de flujo que permiten repetir un bloque de código de forma cíclica ya sea un determinado número de veces o hasta que se cumpla una condición.

for

• La estructura for nos permite ejecutar un bucle ( loop ) realizando una operación para cada elemento de un conjunto de datos.
• Su estructura es la siguiente:

for(elementos in objeto){
  operacion_con_elemento
}

• En lenguaje simple, le estamos diciendo a R:
  • PARA cada elemento EN un objeto, haz lo siguiente {}.

# Ejemplo del uso de un bucle "for"
dado <- 1:6
for(cara in dado){
  dado ^ 2
}

Uso de bucles for

• Las operaciones en un bucle for se realizan pero sus resultados nunca son devueltos automáticamente, es necesario pedirlos de manera explícita.

• Una solución para mostrar los resultados de un bucle for es usar la función print().

for(cara in dado) {
  print(cara ^ 2)
}

• Comprobamos que la operación ha sido realizada a cada elemento de nuestro objeto. Sin embargo, usar print() sólo mostrará los resultados de las operaciones en la consola, no los asignará a un objeto.

Uso de índices en bucles

• Si deseamos asignar los resultados de un bucle for a un objeto, usamos índices.
• En R el primer elemento de un bucle siempre es identificado con el número 1, y se realizarán las operaciones hasta llegar al total de elementos que especifiquemos:

# Ejemplo de un dado de seis caras
dado <- 1:6

for(cara in dado){
  print(cara)
}

• El nombre del índice lo podemos definir explícitamente. Normalmente, se denomina con la letra i.

Asignar valores en un bucle for

• Para guardar los resultados de cada iteración de nuestro bucle for podemos generar un objeto vacío:

# Ejemplo de un dado de seis caras
dado <- 1:6
mi_vector <- NULL  # Objeto vacío 

for(cara in dado){
  mi_vector[cara] <- cara ^ 2
}

mi_vector

for y vectorización

• Los resultados que obtuvimos usando el bucle for pueden obtenerse vectorizando la operación:

dado ^ 2 

• En R el uso de bucles for son poco populares ya que es más rápido y sencillo vectorizar las operaciones.
• Sin embargo, es conveniente que conozcamos esta estructura de control porque hay ocasiones en que es la mejor herramienta para realizar algunas tareas.

while

• Este es un tipo de bucle que ocurre mientras una condición es verdadera (TRUE). La operación se realiza hasta que se llega a cumplir un criterio previamente establecido.

• La sintaxis de whilees la siguiente:

while(condicion){
  operaciones
}

• Con esto le decimos a R:
  • MIENTRAS esta condición es VERDADERA, haz estas operaciones.

Ejemplo de uso de while

Probemos sumar +1 a un valor, mientras que este sea menor que 5.

umbral <- 5
valor <- 0 

while(valor < umbral){
  print("Todavía no")
  valor <- valor + 1
}

• Si haz ejecutado un bucle infinito presiona la tecla ESC para detener su ejecución. De otra forma, podría congelarse tu equipo.

break y next

• En R las palabras break y next son palabras reservadas. Es decir, NO podemos asignarle nuevos valores y realizan una acción específica cuando aparecen en nuestro código.

• break nos permite interrumpir un bucle.

• next nos deja avanzar a la siguiente iteración saltándose la actual.

• Ambas funciones pueden ser utilizadas en bucles de tipo for y while.

Ejemplo del uso de break

Interrumpimos un for cuando i es igual a 3, aunque aún queden 7 elementos en el objeto.

for(i in 1:10) {
  if(i == 3) {
    break
  }
  print(i)
}

Ejemplo del uso de break

• Interrumpimos un while antes de se cumpla la condición de que numero sea mayor a 5, en cuanto este tiene el valor de 15.

numero <- 20

while(numero > 5) {
  if(numero == 15) {
    break
  }
  numero <- numero - 1
}
numero

Ejemplo del uso de next

Por su parte, usamos next para “saltarnos” una iteración en un bucle. Cuando la condición se cumple, esa iteración es omitida.

for(i in 1:4) {
  if(i == 3) {
    next
  }
  print(i)
}

Funciones apply

• La familia de funciones apply es usada para aplicar una función a cada elemento de una estructura de datos (i.e., matrices, dataframes, arrays y listas).

• Con esta familia de funciones podemos automatizar tareas complejas usando pocas líneas de código.

• En el paradigma de R, la familia de funciones apply reciben como argumentos un objeto y al menos una función.

• En este curso trabajaremos únicamente con las funciones más generales y de uso común de esta familia:

  • apply()
  • lapply()

Función apply()

apply() aplica una función a todos los elementos de una matriz. - La estructura de esta función es la siguiente:

apply(X, MARGIN, FUN)

• La función tiene tres argumentos:
  • X: Una matriz o un objeto que puede coercionarse como matriz (dataframe).
  • MARGIN: La dimensión (margen) que agrupará los elementos de la matriz X, para aplicar una función. 1 se refiere a las filas y 2 son columnas.
  • FUN: La función que queremos aplicar al objeto X en su dimensión MARGIN.

Ejemplo uso apply()

data("mtcars")  # Importamos datos de ejemplo
?mtcars
head(mtcars)
apply(mtcars,2,mean)  # Promedio por columna
apply(mtcars,2,max)  # Maximo por columna
apply(mtcars,2,min)  # Mínimo por columna

# Ejemplo de uso de matrices
m <- matrix(seq(1:16), nrow = 4, ncol = 4)
m

apply(m, 1, min)  # Mínimo por filas

Ejemplo uso apply()

También podemos definir funciones dentro de la función apply() y aplicarlas tanto por filas como por columnas:

# Ejemplo de uso de matrices
m <- matrix(seq(1:16), nrow = 4, ncol = 4)
m

# Cuadrado de cada valor x
apply(m, c(1,2), function(x){x^2})

• Nota que apply() nos devuelve objetos del mismo tipo al que la función fue aplicada

Función lapply()

lapply() está diseñada para aplicar funciones a todos los elementos de una lista (por eso l).

• Esta función intentará coercionar a una lista cualquier tipo de objeto que demos como argumento y después aplicará una función a todos sus elementos.
• La estructura de esta función es la siguiente:

lapply(X, FUN)

• En donde:
  • X es una lista u objeto coercionable a una lista.
  • FUN es la función a aplicar.
  • Nota que aquí no específicamos MARGIN porque las listas son estructuras unidimensionales que solo tienen largo.

Ejemplo uso lapply()

x <- 1: 5
raiz <- lapply(x, sqrt) # Nos devuelve una lista
raizdf <- unlist(lapply(x, sqrt)) # Convertimos en vector

# Contar caracteres en una palabra
ciudades_vec <- c("Aguascalientes", "Monterrey", "Guadalajara", "México")
ciudades_vec

contar_nchar <- lapply(ciudades_vec, nchar)
contar_nchar

Ejercicio con datos reales

• Descarga el archivo en MS Excel PIBE_2020-2023.xlsx.
• Importa la base de datos a R. Nota: Usa los botones del panel Environment.

1. Usando la función apply() calcula el valor promedio del PIB de cada estado para el período 2020-2023. Guarda el resultado en una nueva variable denominada PIBE_promedio en el mismo dataframe.

2. Usando la función lapply() calcula el valor aproximado del PIB nacional para cada año. Guarda el resultado en una nueva variable denominada PIB_Nacional. Nota: Supon que puedes aproximar el valor del PIB nacional sumando el valor de los PIBE’s.

Introducción

• Por defecto, R tiene un sistema de generación de gráficos poderoso y flexible. Sin embargo, al inicio su uso puede resultar complejo.

• En esta sección revisaremos como crear gráficas usando R base y algunos parámetros que podemos ajustar para mejorar su presentación.

• Al crear gráficas, notarás que ponemos en práctica todo lo que hemos visto hasta ahora incluyendo importar datos, hacer subconjuntos de objetos y usar funciones.

• En esta sección trabajaremos de forma simultánea usando estas diapositivas y una práctica guíada Enlace

Ve al Ejercicio # 1 de la práctica guíada

Función plot()

La función plot() puede ser usada de forma general para crear gráficos.

• Esta función tiene un comportamiento especial. Dependiendo del tipo de datos que ingresemos como argumento generará diferentes tipos de gráfica.

• Para cada tipo de gráfico podemos ajustar diferentes parámetros que controlan su aspecto.

• Sintáxis básica:

plot(x, y, type)

• Donde:

  • x: Las coordenadas del Eje X de los puntos a graficar.
  • y : Las coordenadas del Eje Y de los puntos a graficas (opcional). -type: El tipo de puntos a dibujar. ?plot()

Ejemplo del uso de la función plot()

Relación entre el peso (wt) y la eficiencia en el uso de combustible (mpg) de un conjunto de vehículos en el dataset mtcars.

data("mtcars")

plot(mtcars$wt, mtcars$mpg,
     main = "Relación entre peso y eficiencia",
     xlab = "Peso del vehículo (wt)",
     ylab = "Millas por galón (mpg)", 
     col = "blue",
     pch = 19)

# ¿qué hace pch? 
?pch

Uso de plot()

Dependiendo del tipo de datos que ingresemos como argumentos a la función plot() obtendremos distintos tipos de gráficos:

Uso de la función barplot()

• La función barplot()se utiliza para crear gráficos de barras.

• Permite visualizar distribuciones de frecuencias, comparar entre categorías o cualquier otro conjunto de datos categóricos.

• Sintáxis básica:

barplot(height, beside = FALSE, 
        col = "blue", main = "Título", 
        xlab = "Eje X", ylab = "Eje Y")

• Donde:
  • height: Tabla de frecuencias.
  • beside = TRUE: Indica que las barras de dibujarán lado a lado.
  • col = Especifica el color de las barras.
  • main, ylab, xlab: Titulo para los gráficos del eje.

Ejemplo de uso de la función barplot()

datos <- rep(letters[1:5], c(7,4,2,9,11))
# Número de veces que se repite cada letra
datos

datos <- table(datos)  # Convertir a tabla de frecuencias
datos 

barplot(datos)  # Gráfica de barras

# Personalización de la gráfica

barplot(datos,
        main = "Gráfica personalizada",
        xlab = "Letras aleatorias",
        ylab = "# Ocurrencias",
        col = "lightblue",
        border = "grey")

datos_2 <- sort(datos, decreasing = TRUE)

barplot(datos_2,
        main = "Gráfica ordenada (Mayor a menor)\n",
        xlab = "Letras aleatorias",
        ylab = "Ocurrencias",
        col = "bisque",
        border = "orange")

Función legend()

• Las leyendas son usadas para identificar con mayor claridad los distintos elementos en un gráfico, tales como colores y formas.

• En R usamos la función legend() para generar leyendas. Esta función debe ser llamada después de crear un gráfico.

• En cierto modo es una anotación a un gráfico ya existente.

• legend() es una función relativamente compleja, así que sólo revisaremos lo esencial.

• Sintáxis básica:

legend(leyenda, fill, "x,y", title)

• Donde:
  • leyenda: Etiquetas de datos que queremos escribir en la leyenda.
  • fill: Los colores que acompañan a las etiquetas definidas con leyenda. - "x,y": Las coordenadas en pixeles en donde se ubicará la leyenda.
  • title: Titulo de la leyenda.

Uso de la función hist()

• Los histogramas son gráficas que nos permiten observar la distribución de datos númericos usando barras.

• Cada barra representa el número de veces (frecuencia) que se observaron datos en un rango determinado.

• Para generar un histograma nosotros podemos usar la función hist() que pide como argumento (obligatorio) un vector x de tipo numérico.

• Sintáxis básica de uso:

hist(x, xlab, ylab)

• Donde:
  • x: es un vector de valores numérico.

Ejemplo de uso de la función hist()

# Generamos 5000 datos de una distribución normal (mu = 5, sd = 10)

datos_sim <- rnorm(5000, mean = 5, sd = 10)
hist(datos_sim, main = "Ejemplo de Histograma",
     xlab = "Valores aleatorios", ylab = "Frecuencia"
     )

Panel de gráficas en R

• Hasta ahora sabemos que el motor gráfico de R nos permite visualizar una figura a la vez. Cuando hacemos un nuevo gráfico perdemos el anterior.
• En ocasiones nos interesa tener un panel de figuras para comparar nuestros resultados.
• La función par() nos permite crear una “matriz” detrás de escena para colocar múltiples gráficas en el motor visual.
• Sintáxis básica de uso:

par(mfrow)

Ejemplo de múltiples gráficas

par(mfrow = c(2,2))
hist(rnorm(5000, 0,1))
hist(rnorm(200, 5,12))
hist(rnorm(10000, 4,1))
hist(rnorm(100, 6,1))

par(mfrow = c(1,4))
hist(rnorm(5000, 0,1))
hist(rnorm(200, 5,12))
hist(rnorm(10000, 4,1))
hist(rnorm(100, 6,1))

Exportar gráficos

Para exportar un gráfico usamos alguna de las siguientes funciones, cada una corresponde con un tipo de archivo distinto. No son las únicas, pero son las más usadas.

• bpm()

• jpeg()

• pdf()

• png()

• tiff()

Exportar gráficos

Cada una de estas funciones tiene los siguientes argumentos tres argumentos principales.

• filename: El nombre y ruta del archivo de imagen a crear. Si no especificamos una ruta completa, entonces el el archivo será creado en nuestro directorio de trabajo.

• width: El ancho del archivo de imagen a crear, por defecto en pixeles.

• height: El alto del archivo de imagen a crear, por defecto en pixeles.

Ejemplo: Exportar gráficas

png(filename = "Histograma_01.png", width = 800, height = 600)

hist(rnorm(15000, 5, 2), 
     main = "Histograma de ejemplo", 
     xlab = "Valores aleatorios",
     ylab = "Frecuencia",
     col = "red")

dev.off()  # Cerramos el motor gráfico y guardamos. 

Uso de corchetes y paréntesis

• [ ]

  Indexar elementos en objetos.

• ( )

  Pasar argumentos a funciones.

• { }

  Definir acciones de condicionales, funciones, bucles, etc.

Ya entiendes el lenguaje de R

Ya entiendes el lenguaje de R

Obtener ayuda

• Para obtener ayuda sobre una función podemos escribir en la consola: ?mean() o help("mean").
• Usar un motor de busqueda en internet (i.e., Stackoverflow).
• Modelos de IA generativa (LLM):
  • Ventajas: Puede escribir todo nuestro código a partir de una ide general.
  • Desventajas: no aprendemos. Puede alucinar.